CN111522003B - 车辆定位方法及系统、计算机设备、车辆、存储介质 - Google Patents

Abstract

本发明涉及车辆定位方法及系统、计算机设备、车辆、存储介质，方法包括如下步骤：实时获取传感信息和绝对定位信息，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；接收高精度地图数据，并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；根据所述绝对定位信息和所述高精度地图数据确定第二位置信息；其中，所述第二位置信息与所述绝对定位信息对应；根据所述第一位置信息和第二位置信息确定最终车辆定位信息。所述系统、计算机设备和存储介质均为实现所述方法的载体，所述车辆包括所述系统和所述计算机设备。本发明能够提高自动驾驶车道级定位可靠性。

Description

车辆定位方法及系统、计算机设备、车辆、存储介质

技术领域

本发明涉及自动驾驶过程中车辆定位技术领域，具体涉及车辆行驶过程中的车辆定位方法及系统、计算机设备、车辆、存储介质。

背景技术

随着汽车数量的不断增加，道路安全问题越显突出且不容忽视，因此，高级驾驶辅助系统已成为研究热点。由于传统GPS定位技术其存在较大误差，无法满足高精度定位要求，因此自动驾驶车辆定位系统应运而生。

就目前而言，自动驾驶车辆定位系统方案比较多，多数关注单一技术的开发，但针对支持量产、高可靠性和低成本的需求考虑较少。例如高精度定位差分服务和高成本惯性导航，此高精度绝对定位方案目前成本较高，短时间内无法在量产自动驾驶车辆中应用；又例如多线束激光雷达与高精度地图自定位方案，激光雷达成本太高，短时间内无法在量产自动驾驶车辆中应用。

综上，现有自动驾驶车辆车道级定位技术还有待进一步改进。

发明内容

本发明的目的在于提出一种自动驾驶车辆定位方法及系统、计算机设备、车辆和计算机可读存储介质，以提高自动驾驶车道级定位的可靠性和降低车辆车道级定位方案的成本，从而更好地支持量产。

为达本发明目的，本发明第一方面实施例提供一种自动驾驶车辆定位方法，包括：

实时获取传感信息和绝对定位信息，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

接收高精度地图数据，并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

接收高精度地图数据，并根据所述绝对定位信息和所述高精度地图数据确定第二位置信息；其中，所述第二位置信息与所述绝对定位信息对应；

根据所述第一位置信息和第二位置信息确定最终车辆定位信息。

与现有技术相比，本发明第一方面实施例通过实时获取车辆的前方道路图像的特征信息和若干雷达信息，根据前方道路图像的特征信息和若干雷达信息以及高精度地图数据确定第一位置信息；然后通过实时获取高精度绝对定位信息，根据高精度绝对定位信息和高精度地图数据确定第二位置信息；利用第二位置信息来校验第一位置信息的准确性，以确定前面得到的第一位置信息是否可以输出作为正确的车辆定位信息，本发明第一方面实施例能够用于保证自动驾驶车辆只能在设计范围内开启而保证自动驾驶汽车安全，充分利用高精度地图的道路及车道级信息而提升自动驾驶系统性能，提高自动驾驶车道级定位的可靠性和降低车辆车道级定位方案的成本，从而更好地支持量产。

为达本发明目的，本发明第二方面实施例提供一种自动驾驶车辆定位方法，包括：

实时获取传感信息和车辆运行状态信息，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

接收高精度地图数据，并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息，所述第三位置信息为推算得到的当前时刻车辆的位置信息；

根据所述第一位置信息和第三位置信息确定最终车辆定位信息。

与现有技术相比，本发明第二方面实施例通过实时获取车辆的前方道路图像的特征信息和若干雷达信息，根据前方道路图像的特征信息和若干雷达信息以及高精度地图数据确定第一位置信息；然后通过实时获取车辆运行状态信息，根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息；利用第三位置信息来校验第一位置信息的准确性，以确定前面得到的第一位置信息是否可以输出作为正确的车辆定位信息，本发明第二方面实施例能够用于保证自动驾驶车辆只能在设计范围内开启而保证自动驾驶汽车安全，充分利用高精度地图的道路及车道级信息而提升自动驾驶系统性能，提高自动驾驶车道级定位的可靠性和降低车辆车道级定位方案的成本，从而更好地支持量产。

为达本发明目的，本发明第三方面实施例提供一种自动驾驶车辆定位方法，包括：

实时获取传感信息、绝对定位信息和车辆运行状态信息；其中，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

接收高精度地图数据，并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

接收高精度地图数据，并根据所述绝对定位信息和所述高精度地图数据确定第二位置信息；其中，所述第二位置信息与所述绝对定位信息对应；

根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息；其中，所述第三位置信息为推算得到的当前时刻车辆的位置信息；

根据所述第一位置信息、第二位置信息和第三位置信息确定最终车辆定位信息。

与现有技术相比，本发明第三方面实施例通过实时获取车辆的前方道路图像的特征信息和若干雷达信息，根据前方道路图像的特征信息和若干雷达信息以及高精度地图数据确定第一位置信息；并通过实时获取高精度绝对定位信息，根据高精度绝对定位信息和高精度地图数据确定第二位置信息；还通过实时获取车辆运行状态信息，根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息；综合利用第二位置信息和第三位置信息来校验第一位置信息的准确性，以确定前面得到的第一位置信息是否可以输出作为正确的车辆定位信息，本发明第三方面实施例能够用于保证自动驾驶车辆只能在设计范围内开启而保证自动驾驶汽车安全，充分利用高精度地图的道路及车道级信息而提升自动驾驶系统性能，提高自动驾驶车道级定位的可靠性和降低车辆车道级定位方案的成本，从而更好地支持量产。

根据所述第一方面实施例，在一可选实现方式中，所述根据所述第一位置信息和第二位置信息确定最终车辆定位信息包括：

对所述第一位置信息和所述第二位置信息进行匹配得到第一匹配结果；

根据所述第一匹配结果确定第一位置信息的置信度，所述第一位置信息的置信度至少包括高和低；

根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息；其中，若所述第一位置信息为高，则确定所述第一位置信息为最终车辆定位信息；若所述第一位置信息为低，则确定所述第一位置信息为无效车辆定位信息。

根据所述第二方面实施例，在一可选实现方式中，所述根据所述第一位置信息和第三位置信息确定最终车辆定位信息包括：

对所述第一位置信息和所述第三位置信息进行匹配得到第二匹配结果；

根据所述第二匹配结果确定第一位置信息的置信度，所述第一位置信息的置信度至少包括高和低；

根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息；其中，若所述第一位置信息为高，则确定所述第一位置信息为最终车辆定位信息；若所述第一位置信息为低，则确定所述第一位置信息为无效车辆定位信息。

其中，所述对所述第一位置信息和所述第三位置信息进行匹配得到第二匹配结果具体为：

每隔一个时刻周期推算得到一个第三位置信息；

若连续若干个时刻周期推算的第三位置信息均与所述第一位置信息不匹配，则确定第二匹配结果为不匹配，其用于确定所述第一位置信息的置信度为低；

若连续若干个时刻周期推算的第三位置信息中任一个与所述第一位置信息匹配，则确定第二匹配结果为匹配，其用于确定所述第一位置信息的置信度为高。

根据所述第三方面实施例，在第一种可选实现方式中，所述根据所述第一位置信息、第二位置信息和第三位置信息确定最终车辆定位信息包括：

对所述第一位置信息和所述第二位置信息进行匹配得到第一匹配结果，并对所述第一位置信息和所述第三位置信息进行匹配得到第二匹配结果；

根据所述第一匹配结果和所述第二匹配结果确定所述第一位置信息的置信度，所述第一位置信息的置信度至少包括高和低；

根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息；其中，若所述第一位置信息为高，则确定所述第一位置信息为最终车辆定位信息；若所述第一位置信息为低，则确定所述第一位置信息为无效车辆定位信息。

根据所述第一种可选实现方式，在一可选实现方式中，所述对所述第一位置信息和所述第三位置信息进行匹配得到第二匹配结果具体为：

每隔一个时刻周期推算得到一个第三位置信息；

若连续若干个时刻周期推算的第三位置信息均与所述第一位置信息不匹配，则确定第二匹配结果为不匹配，其用于确定所述第一位置信息的置信度为低；

若连续若干个时刻周期推算的第三位置信息中任一个与所述第一位置信息匹配，则确定第二匹配结果为匹配，其用于确定所述第一位置信息的置信度为高。

根据所述第一种可选实现方式，在第二种可选实现方式中，所述根据所述第一匹配结果和所述第二匹配结果确定所述第一位置信息的置信度包括：

根据所述第一匹配结果确定第一匹配结果对应的置信度，所述第一匹配结果对应的置信度至少包括高和低；

根据所述第二匹配结果确定第二匹配结果对应的置信度，所述第二匹配结果对应的置信度至少包括高和低；

根据所述第一匹配结果对应的置信度和第二匹配结果对应的置信度确定第一位置信息的置信度；其中，若所述第一匹配结果对应的置信度和所述第二匹配结果对应的置信度均为高，则确定所述第一位置信息的置信度为高；若所述第一匹配结果对应的置信度或所述第二匹配结果对应的置信度为低，则确定所述第一位置信息的置信度为低。

根据所述第一种可选实现方式，在第三种可选实现方式中，所述根据所述第一匹配结果和所述第二匹配结果确定所述第一位置信息的置信度包括：

根据所述第一匹配结果确定第一匹配结果对应的置信度，所述第一匹配结果对应的置信度至少包括高、中和低；

根据所述第二匹配结果确定第二匹配结果对应的置信度，所述第二匹配结果对应的置信度至少包括高、中和低；

根据所述第一匹配结果对应的置信度和第二匹配结果对应的置信度确定第一位置信息的置信度；其中，若所述第一匹配结果对应的置信度和所述第二匹配结果对应的置信度均为高，则确定所述第一位置信息的置信度为高；若所述第一匹配结果对应的置信度或所述第二匹配结果对应的置信度为低，则确定所述第一位置信息的置信度为低；若所述第一匹配结果对应的置信度为中且所述第二匹配结果对应的置信度均为高，则确定所述第一位置信息的置信度为高；若所述第一匹配结果对应的置信度为高且所述第二匹配结果对应的置信度均为低，则确定所述第一位置信息的置信度为高。

根据第一方面、第二方面或第三方面实施例，在一可选实现方式中，所述根据所述传感信息和所述高精度地图数据确定第一位置信息包括：

在所述高精度地图数据中与所述传感信息对应的第一环境数据；

根据所述第一环境数据确定所述高精度地图数据中与所述第一环境数据对应的第一定位数据；其中，所述第一位置信息包括第一环境数据和第一定位数据。

在一可选实现方式中，所述第一环境数据包括若干车道元素，所述根据所述第一环境数据确定所述高精度地图数据中与所述第一环境数据对应的第一定位数据包括：

确定若干车道元素与车辆的纵向距离和横向距离；

根据所述纵向距离和横向距离确定所述第一定位数据。根据第一方面或第二方面实施例，在一可选实现方式中，所述根据所述绝对定位信息和所述高精度地图数据确定第二位置信息包括：

在所述高精度地图数据中与所述绝对定位信息对应的第二定位数据；

根据所述第二定位数据确定所述高精度地图数据中与所述第二定位数据对应第二环境数据；其中，所述第二位置信息包括第二环境数据和第二定位数据。

根据第二方面或第三方面实施例，在一可选实现方式中，所述根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息包括：

获取前一时刻车辆位置信息；

获取前一时刻和当前时刻的时间间隔；

根据所述车辆运行状态信息和所述时间间隔确定车辆的运行位移；

根据所述车辆的运行位移和前一时刻车辆位置信息确定当前时刻车辆位置信息；所述第三位置信息为当前时刻车辆位置信息。

根据第一方面、第二方面或第三方面实施例，在一可选实现方式中，所述实时获取传感信息包括实时获取车辆的前方道路图像的特征信息，其具体包括如下步骤：

实时获取车辆的前方道路图像；

对所述前方道路图像进行图像识别并提取第一车道特征信息。

根据第一方面、第二方面或第三方面实施例，在一可选实现方式中，所述实时获取传感信息包括实时获取若干雷达信息，其具体包括如下步骤：

实时获取雷达原始点云；

识别所述雷达原始点云得到第二车道特征信息。

根据第一方面、第二方面或第三方面实施例，在一可选实现方式中，所述若干雷达信息包括激光雷达信息和毫米波雷达信息。

为达本发明目的，本发明第四方面实施例提供一种自动驾驶车辆定位系统，包括：

信息获取单元，用于实时获取传感信息和绝对定位信息，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

第一位置确定单元，用于接收高精度地图数据并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

第二位置确定单元，用于接收高精度地图数据并根据所述绝对定位信息和所述高精度地图数据确定第二位置信息；其中，所述第二位置信息与所述绝对定位信息对应；

车辆定位确定单元，用于根据所述第一位置信息和第二位置信息确定最终车辆定位信息。

为达本发明目的，本发明第五方面实施例提供一种自动驾驶车辆定位系统，包括：

信息获取单元，用于实时获取传感信息和车辆运行状态信息，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

第一位置确定单元，用于接收高精度地图数据并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

航迹推算确定单元，用于根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息，所述第三位置信息为推算得到的当前时刻车辆的位置信息；

车辆定位确定单元，用于根据所述第一位置信息和第三位置信息确定最终车辆定位信息。

为达本发明目的，本发明第六方面实施例提供一种自动驾驶车辆定位系统，其特征在于，包括：

信息获取单元，用于实时获取传感信息、绝对定位信息和车辆运行状态信息；其中，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

第一位置确定单元，用于接收高精度地图数据并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

第二位置确定单元，用于接收高精度地图数据并根据所述绝对定位信息和所述高精度地图数据确定第二位置信息；其中，所述第二位置信息与所述绝对定位信息对应；

航迹推算单元，用于根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息；其中，所述第三位置信息为推算得到的当前时刻车辆的位置信息；

车辆定位确定单元，根据所述第一位置信息、第二位置信息和第三位置信息确定最终车辆定位信息。

根据第四方面、第五方面或第六方面实施例，在一可选实现方式中，所述信息获取单元包括图像采集单元、图像处理单元、高精度绝对定位单元和雷达单元；

所述图像采集单元用于实时获取车辆的前方道路图像；

所述图像处理单元用于对所述前方道路图像进行图像识别处理并提取第一车道特征信息；

所述高精度绝对定位单元用于实时获取车辆的绝对定位信息；

所述雷达单元用于实时获取若干雷达信息。

在一可选实现方式中，所述雷达单元包括激光雷达元件和毫米波雷达元件，所述激光雷达元件用于实时获取激光雷达信息，所述毫米波雷达元件用于实时获取毫米波雷达信息。

为达本发明目的，本发明第七方面实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如第一方面、第二方面或第三方面实施例所述的自动驾驶车辆定位方法。

为达本发明目的，本发明第八方面实施例提供一种车辆，包括如第四方面、第五方面或第六方面实施例所述的自动驾驶车辆定位系统或如第七方面实施例所述的计算机设备。

为达本发明目的，本发明第九方面实施例提供一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时完成如第一方面、第二方面或第三方面实施例所述的自动驾驶车辆定位方法。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一中一种自动驾驶车辆定位方法流程图。

图2为本发明实施例二中一种自动驾驶车辆定位方法流程图。

图3为本发明实施例三中一种自动驾驶车辆定位方法流程图。

图4为本发明实施例二或三中车道元素以及车辆本体与车道元素距离的示意图。

图5为本发明实施例四中一种自动驾驶车辆定位系统结构图。

图6为本发明实施例五中一种自动驾驶车辆定位系统结构图。

图7为本发明实施例六中一种自动驾驶车辆定位系统结构图。

图8为本发明实施例七中一种计算机设备结构图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

另外，为了更好的说明本发明，在下文的具体实施例中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的手段未作详细描述，以便于凸显本发明的主旨。

如图1所示，本发明实施例一提供一种自动驾驶车辆定位方法，该方法包括：

S11实时获取传感信息和绝对定位信息，所述传感信息为多维融合信息，其包括由当前时刻车辆的前方道路图像得到的第一车道特征信息和由若干雷达信息得到的第二车道特征信息；

本实施例中所述前方道路图像可以通过安装于车辆前部的前视摄像头采集得到，所述前视摄像头采集车辆前方道路一定距离内包括但不限于车道线数量及各车道线的颜色类型、地面标志及交通标志等信息的图像。优选地，所述前视摄像头可以安装于前挡风玻璃内侧、内后视镜附近。

本实施例中所述绝对位置信息可以通过一高精度绝对定位模块实时获取得到，高精度绝对定位模块可以提供例如实时高精度绝对定位信息，包括经度、纬度、车辆航向角等信息。其中，当将本实施例方法应用于高速公路自动驾驶时，高精度绝对定位技术可以保证高速公路（除长隧道路段外）内提供亚米级绝对定位误差(1米以内)的高精度绝对定位信息。

本实施例中雷达信息可以通过安装于车辆上的雷达装置实时获取，所述雷达信息可以为原始点云或识别后的特征信息，该特征信息包括但不限于是车道线数量、各车道线的信息（类型、实线和虚线的起终点、几何信息）、车辆相对车道线的距离、车辆相对路沿/护栏的距离、地面标志及交通标志距离、杆的距离。

需说明的是，本实施例中，车辆的前方道路图像的特征信息用于确定车道上的元素，所述雷达信息则用于确定车辆与相应元素的距离。

S12接收高精度地图数据，并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

本实施例中所述高精度地图数据可以由一高精度地图模块提供，其中，高精地图是指高精度、精细化定义的地图，其精度需要达到分米级才能够区分各个车道，具体地，高精度地图各元素绝对位置误差在1米以内，相对位置误差在20cm以内。如今随着定位技术的发展，高精度的定位已经成为可能。而精细化定义，则是需要格式化存储交通场景中的各种交通要素，可实时提供例如车辆前方道路的车道线数量及各车道线的颜色类型、地面标志及交通标志等信息。本实施例高精度地图模块可以为自动驾驶系统提供超视距信息，可提升自动驾驶系统的性能。

本实施例中所述传感信息可以包括所述车辆前方道路上的车道线数量、每条车道线的颜色和类型、相对路沿距离、路沿类型、地面标志及交通标志信息等元素，其中车道线的颜色分为白色、黄色、橙色和蓝色等，车道线的类型分为单实线、单虚线、左虚右实、右实左虚、双实线、双虚线和导流线等，其中，第二车道线几何信息为车道线的整体形状结构，为直线、斜线或曲线；路沿类型包括防护栏、路缘石和保护墙等，地面标志信息包括最高限速信息和最低限速信息等，交通标志信息包括最高限速标志、最低限速标志和限速解除标志等。车辆与车道上各元素的距离信息包括车辆相对车道线的距离、车辆相对路沿/护栏的距离、地面标志及交通标志距离、杆的距离等，本实施例对此不作具体限定。

具体而言，本实施例步骤S12通过高精度地图模块来获取得到所述车辆当前所在的第一位置信息，例如，将图像识别得到的所述车辆前方的车道线的数量、路沿类型、地面标志以及交通标志信息等，结合从所述高精度地图中获取得到的所述车辆前方的车道线的数量、路沿类型、地面标志以及交通标志信息等，进行匹配可以判定所述车辆当前时刻所在的道路信息。比如在某条高速公路上；将图像识别得到的所述车辆前方的车道线的数量、每条所述车道线的颜色、每条所述车道线的类型、相对路沿距离和地面标志等，结合从所述高精度地图中获取得到的所述车辆前方的车道线的数量、每条所述车道线的颜色、每条所述车道线的类型、相对路沿距离和地面标志等，可以判定所述车辆当前时刻在该道路上所在的车道及相应位置信息，并结合雷达装置提供的距离信息，可以获取所述车辆在当前时刻的第一位置信息。

S13接收高精度地图数据，并根据所述绝对定位信息和所述高精度地图数据确定第二位置信息；其中，所述第二位置信息与所述绝对定位信息对应；

在本实施例中，利用当前的绝对位置信息中的经纬度信息可以在所述高精度地图中确定所述车辆当前所在的位置，并且根据所述车辆当前的航向角，可以从所述高精度地图中提取与所述绝对位置信息对应的所述车辆前方道路的车道特征信息，包括但不限于从所述高精度地图中提取得到与所述绝对位置信息对应的所述车辆前方道路上的车道线数量、每条车道线的颜色和类型、相对路沿距离、路沿类型、地面标志及交通标志信息等元素。

具体而言，所述第二位置信息可以包括所述车辆前方道路上的车道线数量、每条车道线的颜色和类型、相对路沿距离、路沿类型、地面标志及交通标志信息等元素，其中车道线的颜色分为白色、黄色、橙色和蓝色等，车道线的类型分为单实线、单虚线、左虚右实、右实左虚、双实线、双虚线和导流线等，其中，第二车道线几何信息为车道线的整体形状结构，为直线、斜线或曲线；路沿类型包括防护栏、路缘石和保护墙等，地面标志信息包括最高限速信息和最低限速信息等，交通标志信息包括最高限速标志、最低限速标志和限速解除标志等，本实施例对此不作具体特别限定。

S14根据所述第一位置信息和第二位置信息确定最终车辆定位信息。

本实施例中，具体将所述第一位置信息和所述第二位置信息进行比较，若第一位置信息与第二位置信息匹配一致，则认为前面得到的第一位置信息是准确的，则将所述第一位置信息确定为最终车辆定位信息；若第一位置信息与第二位置信息匹配不一致，则认为前面得到的第一位置信息是不准确的，则将所述第一位置信息确定为无效车辆定位信息。

本发明实施例一通过实时获取车辆的前方道路图像的特征信息和若干雷达信息，根据前方道路图像的特征信息和若干雷达信息以及高精度地图数据确定第一位置信息；然后通过实时获取高精度绝对定位信息，根据高精度绝对定位信息和高精度地图数据确定第二位置信息；利用第二位置信息来校验第一位置信息的准确性，以确定前面得到的第一位置信息是否可以输出作为正确的车辆定位信息，本发明实施例一能够用于保证自动驾驶车辆只能在设计范围内开启而保证自动驾驶汽车安全，充分利用高精度地图的道路及车道级信息而提升自动驾驶系统性能，提高自动驾驶车道级定位的可靠性和降低车辆车道级定位方案的成本，从而更好地支持量产。

如图2所示，本发明实施例二提供一种自动驾驶车辆定位方法，包括：

S21实时获取传感信息和车辆运行状态信息，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

本实施例中所述前方道路图像可以通过安装于车辆前部的前视摄像头采集得到，所述前视摄像头采集车辆前方道路一定距离内包括但不限于车道线数量及各车道线的颜色类型、地面标志及交通标志等信息的图像。优选地，所述前视摄像头可以安装于前挡风玻璃内侧、内后视镜附近。

本实施例中所述绝对位置信息可以通过一高精度绝对定位模块实时获取得到，高精度绝对定位模块可以提供例如实时高精度绝对定位信息，包括经度、纬度、车辆航向角等信息。其中，当将本实施例方法应用于高速公路自动驾驶时，高精度绝对定位技术可以保证高速公路（除长隧道路段外）内提供亚米级绝对定位误差(1米以内)的高精度绝对定位信息。

本实施例中雷达信息可以通过安装于车辆上的雷达装置实时获取，所述雷达信息可以为原始点云或识别后的特征信息，该特征信息包括但不限于是车道线数量、各车道线的信息（类型、实线和虚线的起终点、几何信息）、车辆相对车道线的距离、车辆相对路沿/护栏的距离、地面标志及交通标志距离、杆的距离。

需说明的是，本实施例中，车辆的前方道路图像的特征信息用于确定车道上的元素，所述雷达信息则用于确定车辆与相应元素的距离。

S22接收高精度地图数据，并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

本实施例中所述高精度地图数据可以由一高精度地图模块提供，其中，高精地图是指高精度、精细化定义的地图，其精度需要达到分米级才能够区分各个车道，具体地，高精度地图各元素绝对位置误差在1米以内，相对位置误差在20cm以内。如今随着定位技术的发展，高精度的定位已经成为可能。而精细化定义，则是需要格式化存储交通场景中的各种交通要素，可实时提供例如车辆前方道路的车道线数量及各车道线的颜色类型、地面标志及交通标志等信息。本实施例高精度地图模块可以为自动驾驶系统提供超视距信息，可提升自动驾驶系统的性能。

本实施例中所述传感信息可以包括所述车辆前方道路上的车道线数量、每条车道线的颜色和类型、相对路沿距离、路沿类型、地面标志及交通标志信息等元素，其中车道线的颜色分为白色、黄色、橙色和蓝色等，车道线的类型分为单实线、单虚线、左虚右实、右实左虚、双实线、双虚线和导流线等，其中，第二车道线几何信息为车道线的整体形状结构，为直线、斜线或曲线；路沿类型包括防护栏、路缘石和保护墙等，地面标志信息包括最高限速信息和最低限速信息等，交通标志信息包括最高限速标志、最低限速标志和限速解除标志等，车辆与车道上各元素的距离信息包括车辆相对车道线的距离、车辆相对路沿/护栏的距离、地面标志及交通标志距离、杆的距离等，本实施例对此不作具体限定。

具体而言，本实施例步骤S22通过高精度地图模块来获取得到所述车辆当前所在的第一位置信息，例如，将图像识别得到的所述车辆前方的车道线的数量、路沿类型、地面标志以及交通标志信息等，结合从所述高精度地图中获取得到的所述车辆前方的车道线的数量、路沿类型、地面标志以及交通标志信息等，进行匹配可以判定所述车辆当前时刻所在的道路信息。比如在某条高速公路上；将图像识别得到的所述车辆前方的车道线的数量、每条所述车道线的颜色、每条所述车道线的类型、相对路沿距离和地面标志等，结合从所述高精度地图中获取得到的所述车辆前方的车道线的数量、每条所述车道线的颜色、每条所述车道线的类型、相对路沿距离和地面标志等，可以判定所述车辆当前时刻在该道路上所在的车道及相应位置信息，并结合雷达装置提供的距离信息，可以获取所述车辆在当前时刻的第一位置信息。

S23根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息，所述第三位置信息为推算得到的当前时刻车辆的位置信息；

本实施例中，所述车辆运行状态信息可以为轮速、惯性测量单元等信息，结合车辆行驶过程中轮速、车辆惯性信息即可知道车辆发生的位移，根据前一时刻车辆位置信息和位移信息即可以推算出当前时刻车辆的位置信息，也就是第三位置信息。

S24根据所述第一位置信息和第三位置信息确定最终车辆定位信息。

本实施例中，具体将所述第一位置信息和所述第三位置信息进行比较，若第一位置信息与第三位置信息匹配一致，则认为前面得到的第一位置信息是准确的，则将所述第一位置信息确定为最终车辆定位信息；若第一位置信息与第三位置信息匹配不一致，则认为前面得到的第一位置信息是不准确的，则将所述第一位置信息确定为无效车辆定位信息。

本发明实施例二通过实时获取车辆的前方道路图像的特征信息和若干雷达信息，根据前方道路图像的特征信息和若干雷达信息以及高精度地图数据确定第一位置信息；然后通过实时获取车辆运行状态信息，根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息；利用第三位置信息来校验第一位置信息的准确性，以确定前面得到的第一位置信息是否可以输出作为正确的车辆定位信息，本发明实施例二能够用于保证自动驾驶车辆只能在设计范围内开启而保证自动驾驶汽车安全，充分利用高精度地图的道路及车道级信息而提升自动驾驶系统性能，提高自动驾驶车道级定位的可靠性和降低车辆车道级定位方案的成本，从而更好地支持量产。

如图3所示，本发明实施例三提供一种自动驾驶车辆定位方法，该方法包括：

S31实时获取传感信息、绝对定位信息和车辆运行状态信息；其中，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

本实施例中所述前方道路图像可以通过安装于车辆前部的前视摄像头采集得到，所述前视摄像头采集车辆前方道路一定距离内包括但不限于车道线数量及各车道线的颜色类型、地面标志及交通标志等信息的图像。优选地，所述前视摄像头可以安装于前挡风玻璃内侧、内后视镜附近。

本实施例中所述绝对位置信息可以通过一高精度绝对定位模块实时获取得到，高精度绝对定位模块可以提供例如实时高精度绝对定位信息，包括经度、纬度、车辆航向角等信息。其中，当将本实施例方法应用于高速公路自动驾驶时，高精度绝对定位技术可以保证高速公路（除长隧道路段外）内提供亚米级绝对定位误差(1米以内)的高精度绝对定位信息。

本实施例中雷达信息可以通过安装于车辆上的雷达装置实时获取，所述雷达信息可以为原始点云或识别后的特征信息，该特征信息包括但不限于是车道线数量、各车道线的信息（类型、实线和虚线的起终点、几何信息）、车辆相对车道线的距离、车辆相对路沿/护栏的距离、地面标志及交通标志距离、杆的距离。

需说明的是，本实施例中，车辆的前方道路图像的特征信息用于确定车道上的元素，所述雷达信息则用于确定车辆与相应元素的距离。

S32接收高精度地图数据，并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

本实施例中所述高精度地图数据可以由一高精度地图模块提供，其中，高精地图是指高精度、精细化定义的地图，其精度需要达到分米级才能够区分各个车道，具体地，高精度地图各元素绝对位置误差在1米以内，相对位置误差在20cm以内。如今随着定位技术的发展，高精度的定位已经成为可能。而精细化定义，则是需要格式化存储交通场景中的各种交通要素，可实时提供例如车辆前方道路的车道线数量及各车道线的颜色类型、地面标志及交通标志等信息。本实施例高精度地图模块可以为自动驾驶系统提供超视距信息，可提升自动驾驶系统的性能。

本实施例中所述传感信息可以包括所述车辆前方道路上的车道线数量、每条车道线的颜色和类型、相对路沿距离、路沿类型、地面标志及交通标志信息等元素，其中车道线的颜色分为白色、黄色、橙色和蓝色等，车道线的类型分为单实线、单虚线、左虚右实、右实左虚、双实线、双虚线和导流线等，其中，第二车道线几何信息为车道线的整体形状结构，为直线、斜线或曲线；路沿类型包括防护栏、路缘石和保护墙等，地面标志信息包括最高限速信息和最低限速信息等，交通标志信息包括最高限速标志、最低限速标志和限速解除标志等，车辆与车道上各元素的距离信息包括车辆相对车道线的距离、车辆相对路沿/护栏的距离、地面标志及交通标志距离、杆的距离等，本实施例对此不作具体限定。

具体而言，本实施例步骤S22通过高精度地图模块来获取得到所述车辆当前所在的第一位置信息，例如，将图像识别得到的所述车辆前方的车道线的数量、路沿类型、地面标志以及交通标志信息等，结合从所述高精度地图中获取得到的所述车辆前方的车道线的数量、路沿类型、地面标志以及交通标志信息等，进行匹配可以判定所述车辆当前时刻所在的道路信息。比如在某条高速公路上；将图像识别得到的所述车辆前方的车道线的数量、每条所述车道线的颜色、每条所述车道线的类型、相对路沿距离和地面标志等，结合从所述高精度地图中获取得到的所述车辆前方的车道线的数量、每条所述车道线的颜色、每条所述车道线的类型、相对路沿距离和地面标志等，可以判定所述车辆当前时刻在该道路上所在的车道及相应位置信息，并结合雷达装置提供的距离信息，可以获取所述车辆在当前时刻的第一位置信息。

S33接收高精度地图数据，并根据所述绝对定位信息和所述高精度地图数据确定第二位置信息；其中，所述第二位置信息与所述绝对定位信息对应；

在本实施例中，利用当前的绝对位置信息中的经纬度信息可以在所述高精度地图中确定所述车辆当前所在的位置，并且根据所述车辆当前的航向角，可以从所述高精度地图中提取与所述绝对位置信息对应的所述车辆前方道路的车道特征信息，包括但不限于从所述高精度地图中提取得到与所述绝对位置信息对应的所述车辆前方道路上的车道线数量、每条车道线的颜色和类型、相对路沿距离、路沿类型、地面标志及交通标志信息等元素。

具体而言，所述第二位置信息可以包括所述车辆前方道路上的车道线数量、每条车道线的颜色和类型、相对路沿距离、路沿类型、地面标志及交通标志信息等元素，其中车道线的颜色分为白色、黄色、橙色和蓝色等，车道线的类型分为单实线、单虚线、左虚右实、右实左虚、双实线、双虚线和导流线等，其中，第二车道线几何信息为车道线的整体形状结构，为直线、斜线或曲线；路沿类型包括防护栏、路缘石和保护墙等，地面标志信息包括最高限速信息和最低限速信息等，交通标志信息包括最高限速标志、最低限速标志和限速解除标志等，本实施例对此不作具体特别限定。

S34根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息；其中，所述第三位置信息为推算得到的当前时刻车辆的位置信息；

本实施例中，所述车辆运行状态信息可以为轮速、惯性测量单元等信息，结合车辆行驶过程中轮速、车辆惯性信息即可知道车辆发生的位移，根据前一时刻车辆位置信息和位移信息即可以推算出当前时刻车辆的位置信息，也就是第三位置信息。

S35根据所述第一位置信息、第二位置信息和第三位置信息确定最终车辆定位信息。

本实施例中，具体将所述第一位置信息与所述第二位置信息和第三位置信息进行比较，若第一位置信息与第二位置信息和第三位置信息匹配一致，则认为前面得到的第一位置信息是准确的，则将所述第一位置信息确定为最终车辆定位信息；若第一位置信息与第二位置信息和第三位置信息匹配不一致，则认为前面得到的第一位置信息是不准确的，则将所述第一位置信息确定为无效车辆定位信息。

本发明实施例三通过实时获取车辆的前方道路图像的特征信息和若干雷达信息，根据前方道路图像的特征信息和若干雷达信息以及高精度地图数据确定第一位置信息；并通过实时获取高精度绝对定位信息，根据高精度绝对定位信息和高精度地图数据确定第二位置信息；还通过实时获取车辆运行状态信息，根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息；综合利用第二位置信息和第三位置信息来校验第一位置信息的准确性，以确定前面得到的第一位置信息是否可以输出作为正确的车辆定位信息，本发明实施例三能够用于保证自动驾驶车辆只能在设计范围内开启而保证自动驾驶汽车安全，充分利用高精度地图的道路及车道级信息而提升自动驾驶系统性能，提高自动驾驶车道级定位的可靠性和降低车辆车道级定位方案的成本，从而更好地支持量产。

根据所述实施例一，在一可选实现方式中，所述S14根据所述第一位置信息和第二位置信息确定最终车辆定位信息包括：

S141对所述第一位置信息和所述第二位置信息进行匹配得到第一匹配结果；

S142根据所述第一匹配结果确定第一位置信息的置信度，所述第一位置信息的置信度至少包括高和低；

S143根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息；其中，若所述第一位置信息为高，则确定所述第一位置信息为最终车辆定位信息；若所述第一位置信息为低，则确定所述第一位置信息为无效车辆定位信息。

需说明的是，第一位置信息的置信度的设置可以是三个、四个或者更多，以用于第一位置信息不同准确程度的判断，但其只是基于本实施例发明构思可以容易得到的。

根据所述实施例二，在一可选实现方式中，所述S24根据所述第一位置信息和第三位置信息确定最终车辆定位信息包括：

S241对所述第一位置信息和所述第三位置信息进行匹配得到第二匹配结果；

S242根据所述第二匹配结果确定第一位置信息的置信度，所述第一位置信息的置信度至少包括高和低；

S243根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息；其中，若所述第一位置信息为高，则确定所述第一位置信息为最终车辆定位信息；若所述第一位置信息为低，则确定所述第一位置信息为无效车辆定位信息。

需说明的是，第一位置信息的置信度的设置可以是三个、四个或者更多，以用于第一位置信息不同准确程度的判断，但其只是基于本实施例发明构思可以容易得到的。

其中，所述对所述第一位置信息和所述第三位置信息进行匹配得到第二匹配结果具体为：

每隔一个时刻周期推算得到一个第三位置信息；

若连续若干个时刻周期推算的第三位置信息均与所述第一位置信息不匹配，则确定第二匹配结果为不匹配，其用于确定所述第一位置信息的置信度为低；

若连续若干个时刻周期推算的第三位置信息中任一个与所述第一位置信息匹配，则确定第二匹配结果为匹配，其用于确定所述第一位置信息的置信度为高。其中，所述若干个时刻周期优选但不限于是四个、五个或六个时刻周期。

根据所述实施例三，在第一种可选实现方式中，所述S35根据所述第一位置信息、第二位置信息和第三位置信息确定最终车辆定位信息包括：

S351对所述第一位置信息和所述第二位置信息进行匹配得到第一匹配结果，并对所述第一位置信息和所述第三位置信息进行匹配得到第二匹配结果；

S352根据所述第一匹配结果和所述第二匹配结果确定所述第一位置信息的置信度，所述第一位置信息的置信度至少包括高和低；

S353根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息；其中，若所述第一位置信息为高，则确定所述第一位置信息为最终车辆定位信息；若所述第一位置信息为低，则确定所述第一位置信息为无效车辆定位信息。

需说明的是，第一位置信息的置信度的设置可以是三个、四个或者更多，以用于第一位置信息不同准确程度的判断，但其只是基于本实施例发明构思可以容易得到的。

根据所述第一种可选实现方式，在一可选实现方式中，所述对所述第一位置信息和所述第三位置信息进行匹配得到第二匹配结果具体为：

每隔一个时刻周期推算得到一个第三位置信息；

若连续若干个时刻周期推算的第三位置信息均与所述第一位置信息不匹配，则确定第二匹配结果为不匹配，其用于确定所述第一位置信息的置信度为低；

若连续若干个时刻周期推算的第三位置信息中任一个与所述第一位置信息匹配，则确定第二匹配结果为匹配，其用于确定所述第一位置信息的置信度为高。

其中，所述若干个时刻周期优选但不限于是四个、五个或六个时刻周期。

根据所述第一种可选实现方式，在第二种可选实现方式中，所述S352根据所述第一匹配结果和所述第二匹配结果确定所述第一位置信息的置信度包括：

根据所述第一匹配结果确定第一匹配结果对应的置信度，所述第一匹配结果对应的置信度至少包括高和低；

根据所述第二匹配结果确定第二匹配结果对应的置信度，所述第二匹配结果对应的置信度至少包括高和低；

根据所述第一匹配结果对应的置信度和第二匹配结果对应的置信度确定第一位置信息的置信度；其中，若所述第一匹配结果对应的置信度和所述第二匹配结果对应的置信度均为高，则确定所述第一位置信息的置信度为高；若所述第一匹配结果对应的置信度或所述第二匹配结果对应的置信度为低，则确定所述第一位置信息的置信度为低。

需说明的是，所述第一匹配结果对应的置信度、第二匹配结果对应的置信度以及第一位置信息的置信度的设置可以是四个或者更多，以用于第一位置信息不同准确程度的判断，但其只是基于本实施例发明构思可以容易得到的。

根据所述第一种可选实现方式，在第三种可选实现方式中，所述S352根据所述第一匹配结果和所述第二匹配结果确定所述第一位置信息的置信度包括：

根据所述第一匹配结果确定第一匹配结果对应的置信度，所述第一匹配结果对应的置信度至少包括高、中和低；

根据所述第二匹配结果确定第二匹配结果对应的置信度，所述第二匹配结果对应的置信度至少包括高、中和低；

根据所述第一匹配结果对应的置信度和第二匹配结果对应的置信度确定第一位置信息的置信度；其中，若所述第一匹配结果对应的置信度和所述第二匹配结果对应的置信度均为高，则确定所述第一位置信息的置信度为高；若所述第一匹配结果对应的置信度或所述第二匹配结果对应的置信度为低，则确定所述第一位置信息的置信度为低；若所述第一匹配结果对应的置信度为中且所述第二匹配结果对应的置信度均为高，则确定所述第一位置信息的置信度为高；若所述第一匹配结果对应的置信度为高且所述第二匹配结果对应的置信度均为低，则确定所述第一位置信息的置信度为高。

根据实施例一、二或三，在一可选实现方式中，所述根据所述传感信息和所述高精度地图数据确定第一位置信息包括：

在所述高精度地图数据中与所述传感信息对应的第一环境数据；

根据所述第一环境数据确定所述高精度地图数据中与所述第一环境数据对应的第一定位数据；其中，所述第一位置信息包括第一环境数据和第一定位数据。

本实施例中，所述高精度地图数据中具有与所述第一环境数据相对应的环境数据，环境数据指的是车道上环境数据，可以是车辆前方道路上的车道线数量、每条车道线的颜色和类型、相对路沿距离、路沿类型、地面标志及交通标志信息等元素，其中车道线的颜色分为白色、黄色、橙色和蓝色等，车道线的类型分为单实线、单虚线、左虚右实、右实左虚、双实线、双虚线和导流线等，其中，第二车道线几何信息为车道线的整体形状结构，为直线、斜线或曲线；路沿类型包括防护栏、路缘石和保护墙等，地面标志信息包括最高限速信息和最低限速信息等，交通标志信息包括最高限速标志、最低限速标志和限速解除标志等。

由于环境数据对应于某个高精度地图上的某个位置，再结合雷达信息，包括车辆相对车道线的距离、车辆相对路沿/护栏的距离、地面标志及交通标志距离、杆的距离等，由此可以确定第一定位数据。

在一可选实现方式中，所述第一环境数据包括若干车道元素，所述根据所述第一环境数据确定所述高精度地图数据中与所述第一环境数据对应的第一定位数据包括：

确定若干车道元素与车辆的纵向距离和横向距离；其中，纵向距离和横向距离如图4所示，纵向距离为dx，横向距离为dy；

根据所述纵向距离和横向距离确定所述第一定位数据。

本实施例中，所述纵向距离和横向距离根据雷达装置提供的雷达信息进行确定，从而大大提高了车辆高精度定位的准确性。

根据实施例一或二，在一可选实现方式中，所述根据所述绝对定位信息和所述高精度地图数据确定第二位置信息包括：

在所述高精度地图数据中与所述绝对定位信息对应的第二定位数据；

根据所述第二定位数据确定所述高精度地图数据中与所述第二定位数据对应第二环境数据；其中，所述第二位置信息包括第二环境数据和第二定位数据。

本实施例中，所述高精度地图数据中具有与所述第二环境数据相对应的环境数据，环境数据指的是车道上环境数据，可以是车辆前方道路上的车道线数量、每条车道线的颜色和类型、相对路沿距离、路沿类型、地面标志及交通标志信息等元素，其中车道线的颜色分为白色、黄色、橙色和蓝色等，车道线的类型分为单实线、单虚线、左虚右实、右实左虚、双实线、双虚线和导流线等，其中，第二车道线几何信息为车道线的整体形状结构，为直线、斜线或曲线；路沿类型包括防护栏、路缘石和保护墙等，地面标志信息包括最高限速信息和最低限速信息等，交通标志信息包括最高限速标志、最低限速标志和限速解除标志等。

由于环境数据对应于某个高精度地图上的某个位置，由此可以根据第二定位数据来确定第二环境数据。

根据实施例二或三，在一可选实现方式中，所述根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息包括：

获取前一时刻车辆位置信息；

获取前一时刻和当前时刻的时间间隔；

根据所述车辆运行状态信息和所述时间间隔确定车辆的运行位移；

根据所述车辆的运行位移和前一时刻车辆位置信息确定当前时刻车辆位置信息；所述第三位置信息为所述当前时刻车辆位置信息。

根据实施例一、二或三，在一可选实现方式中，所述实时获取传感信息包括实时获取车辆的前方道路图像的特征信息，其具体包括如下步骤：

实时获取车辆的前方道路图像；

对所述前方道路图像进行图像识别并提取第一车道特征信息。

在本实施例中，第一车道特征信息可以是车辆前方道路上的车道线数量、每条车道线的颜色和类型、相对路沿距离、路沿类型、地面标志及交通标志信息等元素，其中车道线的颜色分为白色、黄色、橙色和蓝色等，车道线的类型分为单实线、单虚线、左虚右实、右实左虚、双实线、双虚线和导流线等，其中，第二车道线几何信息为车道线的整体形状结构，为直线、斜线或曲线；路沿类型包括防护栏、路缘石和保护墙等，地面标志信息包括最高限速信息和最低限速信息等，交通标志信息包括最高限速标志、最低限速标志和限速解除标志等。

根据实施例一、二或三，在一可选实现方式中，所述实时获取传感信息包括实时获取若干雷达信息，其具体包括如下步骤：

实时获取雷达原始点云；

识别所述雷达原始点云得到第二车道特征信息。

在本实施例中，所述第二车道特征信息包括车辆相对车道线的距离、车辆相对路沿/护栏的距离、地面标志及交通标志距离、杆的距离等。

根据实施例一、二或三，在一可选实现方式中，所述若干雷达信息包括激光雷达信息和毫米波雷达信息。

本实施例中，激光雷达信息可以通过激光雷达装置实时获取，所述激光雷达装置不仅限于前激光雷达，还可以包括侧向激光雷达和后激光雷达。毫米波雷达信息可以通过毫米波雷达装置实时获取，所述毫米波雷达不仅限于前毫米波雷达，还可以包括前角毫米波雷达、后角毫米波雷达和后毫米波雷达。

需说明的是，一个雷达装置可能会被遮挡这时候就会影响定位，多个雷达装置的话即使一个被遮挡还可以正常工作。同理，设置不同类型的雷达装置可以提高定位的准确性。

如图5所示，本发明实施例四提供一种自动驾驶车辆定位系统，包括：

信息获取单元11，用于实时获取传感信息和绝对定位信息，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

第一位置确定单元12，用于接收高精度地图数据并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

第二位置确定单元13，用于接收高精度地图数据并根据所述绝对定位信息和所述高精度地图数据确定第二位置信息；其中，所述第二位置信息与所述绝对定位信息对应；

车辆定位确定单元14，用于根据所述第一位置信息和第二位置信息确定最终车辆定位信息。

根据实施例四，在一可选实现方式中，所述信息获取单元11包括图像采集单元111、图像处理单元112、高精度绝对定位单元113和雷达单元114；

所述图像采集单元111用于实时获取车辆的前方道路图像；

所述图像处理单元112用于对所述前方道路图像进行图像识别处理并提取第一车道特征信息；

所述高精度绝对定位单元113用于实时获取车辆的绝对定位信息；

所述雷达单元114用于实时获取若干雷达信息。

在一可选实现方式中，所述雷达单元114包括激光雷达元件和毫米波雷达元件，所述激光雷达元件用于实时获取激光雷达信息，所述毫米波雷达元件用于实时获取毫米波雷达信息。

需说明的是，对于实施例四公开的系统而言，由于其与实施例一开的方法相对应，实施例四所述系统的具体工作流程参见实施例一所述方法流程部分说明即可，此处不再赘述。

如图6所示，本发明实施例五提供一种自动驾驶车辆定位系统，包括：

信息获取单元21，用于实时获取传感信息和车辆运行状态信息，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

第一位置确定单元22，用于接收高精度地图数据并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

航迹推算确定单元23，用于根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息，所述第三位置信息为推算得到的当前时刻车辆的位置信息；

车辆定位确定单元24，用于根据所述第一位置信息和第三位置信息确定最终车辆定位信息。

根据实施例五，在一可选实现方式中，所述信息获取单元21包括图像采集单元211、图像处理单元212、高精度绝对定位单元213和雷达单元214；

所述图像采集单元211用于实时获取车辆的前方道路图像；

所述图像处理单元212用于对所述前方道路图像进行图像识别处理并提取第一车道特征信息；

所述高精度绝对定位单元213用于实时获取车辆的绝对定位信息；

所述雷达单元214用于实时获取若干雷达信息。

在一可选实现方式中，所述雷达单元214包括激光雷达元件和毫米波雷达元件，所述激光雷达元件用于实时获取激光雷达信息，所述毫米波雷达元件用于实时获取毫米波雷达信息。

需说明的是，对于实施例五公开的系统而言，由于其与实施例二公开的方法相对应，实施例五所述系统的具体工作流程参见实施例二所述方法流程部分说明即可，此处不再赘述。

如图7所示，本发明实施例六提供一种自动驾驶车辆定位系统，其特征在于，包括：

信息获取单元31，用于实时获取传感信息、绝对定位信息和车辆运行状态信息；其中，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

第一位置确定单元32，用于接收高精度地图数据并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

第二位置确定单元33，用于接收高精度地图数据并根据所述绝对定位信息和所述高精度地图数据确定第二位置信息；其中，所述第二位置信息与所述绝对定位信息对应；

航迹推算单元34，用于根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息；其中，所述第三位置信息为推算得到的当前时刻车辆的位置信息；

车辆定位确定单元35，根据所述第一位置信息、第二位置信息和第三位置信息确定最终车辆定位信息。

根据实施例六，在一可选实现方式中，所述信息获取单元31包括图像采集单元311、图像处理单元312、高精度绝对定位单元313和雷达单元314；

所述图像采集单元311用于实时获取车辆的前方道路图像；

所述图像处理单元312用于对所述前方道路图像进行图像识别处理并提取第一车道特征信息；

所述高精度绝对定位单元313用于实时获取车辆的绝对定位信息；

所述雷达单元314用于实时获取若干雷达信息。

在一可选实现方式中，所述雷达单元314包括激光雷达元件和毫米波雷达元件，所述激光雷达元件用于实时获取激光雷达信息，所述毫米波雷达元件用于实时获取毫米波雷达信息。

需说明的是，对于实施例六公开的系统而言，由于其与实施例三公开的方法相对应，实施例六所述系统的具体工作流程参见实施例三所述方法流程部分说明即可，此处不再赘述。

如图8所示，本发明实施例七提供一种计算机设备100，包括存储器101、处理器102及存储在存储器101上并可在处理器102上运行的计算机程序103，所述处理器102执行所述计算机程序103时，实现如实施例一、二或三所述的自动驾驶车辆定位方法。

需要说明的是，前述对实施例一、二或三所述方法的解释说明也适用于实施例五的计算机设备，其实现原理类似，此处不再赘述。

本发明实施例八提供一种车辆，包括如实施例四、五或六所述的自动驾驶车辆定位系统或如实施例七所述的计算机设备。

本发明实施例九提供一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时完成如实施例一、二或三所述的自动驾驶车辆定位方法。

需要说明的是，前述对实施例一、二或三方法的解释说明也适用于实施例七的非临时性计算机可读存储介质，其实现原理类似，此处不再赘述。

在本说明书的描述中，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (39)

1.一种自动驾驶车辆定位方法，其特征在于，包括：

实时获取传感信息和绝对定位信息，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

接收高精度地图数据，并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

接收高精度地图数据，并根据所述绝对定位信息和所述高精度地图数据确定第二位置信息；其中，所述第二位置信息与所述绝对定位信息对应；

根据所述第一位置信息和所述第二位置信息的匹配结果确定所述第一位置信息的置信度，并根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息。

2.如权利要求1所述的自动驾驶车辆定位方法，其特征在于，所述根据所述第一位置信息和所述第二位置信息的匹配结果确定所述第一位置信息的置信度，并根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息，包括：

对所述第一位置信息和所述第二位置信息进行匹配得到第一匹配结果；

根据所述第一匹配结果确定第一位置信息的置信度，所述第一位置信息的置信度至少包括高和低；

根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息；其中，若所述第一位置信息为高，则确定所述第一位置信息为最终车辆定位信息；若所述第一位置信息为低，则确定所述第一位置信息为无效车辆定位信息。

3.如权利要求1所述的自动驾驶车辆定位方法，其特征在于，所述根据所述传感信息和所述高精度地图数据确定第一位置信息包括：

在所述高精度地图数据中与所述传感信息对应的第一环境数据；

根据所述第一环境数据确定所述高精度地图数据中与所述第一环境数据对应的第一定位数据；

其中，所述第一位置信息包括第一环境数据和第一定位数据。

4.如权利要求3所述的自动驾驶车辆定位方法，其特征在于，所述第一环境数据包括若干车道元素，所述根据所述第一环境数据确定所述高精度地图数据中与所述第一环境数据对应的第一定位数据包括：

确定若干车道元素与车辆的纵向距离和横向距离；

根据所述纵向距离和横向距离确定所述第一定位数据。

5.如权利要求1所述的自动驾驶车辆定位方法，其特征在于，所述根据所述绝对定位信息和所述高精度地图数据确定第二位置信息包括：

在所述高精度地图数据中与所述绝对定位信息对应的第二定位数据；

根据所述第二定位数据确定所述高精度地图数据中与所述第二定位数据对应第二环境数据；其中，所述第二位置信息包括第二环境数据和第二定位数据。

6.如权利要求1所述的自动驾驶车辆定位方法，其特征在于，所述实时获取传感信息包括实时获取车辆的前方道路图像的特征信息，其具体包括如下步骤：

实时获取车辆的前方道路图像；

对所述前方道路图像进行图像识别并提取第一车道特征信息。

7.一种自动驾驶车辆定位方法，其特征在于，包括：

实时获取传感信息和车辆运行状态信息，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

接收高精度地图数据，并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息，所述第三位置信息为推算得到的当前时刻车辆的位置信息；

根据所述第一位置信息和所述第三位置信息的匹配结果确定所述第一位置信息的置信度，并根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息。

8.如权利要求7所述的自动驾驶车辆定位方法，其特征在于，所述根据所述第一位置信息和所述第三位置信息的匹配结果确定所述第一位置信息的置信度，并根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息，包括：

对所述第一位置信息和所述第三位置信息进行匹配得到第二匹配结果；

根据所述第二匹配结果确定第一位置信息的置信度，所述第一位置信息的置信度至少包括高和低；

根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息；其中，若所述第一位置信息为高，则确定所述第一位置信息为最终车辆定位信息；若所述第一位置信息为低，则确定所述第一位置信息为无效车辆定位信息。

9.如权利要求8所述的自动驾驶车辆定位方法，其特征在于，所述对所述第一位置信息和所述第三位置信息进行匹配得到第二匹配结果具体为：

每隔一个时刻周期推算得到一个第三位置信息；

若连续若干个时刻周期推算的第三位置信息均与所述第一位置信息不匹配，则确定第二匹配结果为不匹配，其用于确定所述第一位置信息的置信度为低；

若连续若干个时刻周期推算的第三位置信息中任一个与所述第一位置信息匹配，则确定第二匹配结果为匹配，其用于确定所述第一位置信息的置信度为高。

10.如权利要求7所述的自动驾驶车辆定位方法，其特征在于，所述根据所述传感信息和所述高精度地图数据确定第一位置信息包括：

在所述高精度地图数据中与所述传感信息对应的第一环境数据；

根据所述第一环境数据确定所述高精度地图数据中与所述第一环境数据对应的第一定位数据；

其中，所述第一位置信息包括第一环境数据和第一定位数据。

11.如权利要求10所述的自动驾驶车辆定位方法，其特征在于，所述第一环境数据包括若干车道元素，所述根据所述第一环境数据确定所述高精度地图数据中与所述第一环境数据对应的第一定位数据包括：

确定若干车道元素与车辆的纵向距离和横向距离；

根据所述纵向距离和横向距离确定所述第一定位数据。

12.如权利要求7所述的自动驾驶车辆定位方法，其特征在于，所述根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息包括：

获取前一时刻车辆位置信息；

获取前一时刻和当前时刻的时间间隔；

根据所述车辆运行状态信息和所述时间间隔确定车辆的运行位移；

根据所述车辆的运行位移和前一时刻车辆位置信息确定当前时刻车辆位置信息；所述第三位置信息为当前时刻车辆位置信息。

13.如权利要求12所述的自动驾驶车辆定位方法，其特征在于，所述实时获取传感信息包括实时获取若干雷达信息，其具体包括如下步骤：

实时获取雷达原始点云；

识别所述雷达原始点云得到第二车道特征信息。

14.如权利要求13所述的自动驾驶车辆定位方法，其特征在于，所述若干雷达信息包括激光雷达信息和毫米波雷达信息。

15.如权利要求7所述的自动驾驶车辆定位方法，其特征在于，所述实时获取传感信息包括实时获取车辆的前方道路图像的特征信息，其具体包括如下步骤：

实时获取车辆的前方道路图像；

对所述前方道路图像进行图像识别并提取第一车道特征信息。

16.一种自动驾驶车辆定位方法，其特征在于，包括：

实时获取传感信息、绝对定位信息和车辆运行状态信息；其中，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

接收高精度地图数据，并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

接收高精度地图数据，并根据所述绝对定位信息和所述高精度地图数据确定第二位置信息；其中，所述第二位置信息与所述绝对定位信息对应；

根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息；其中，所述第三位置信息为推算得到的当前时刻车辆的位置信息；

根据所述第一位置信息和所述第二位置信息的匹配结果，以及所述第一位置信息和所述第三位置信息的匹配结果确定所述第一位置信息的置信度，并根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息。

17.如权利要求16所述的自动驾驶车辆定位方法，其特征在于，所述根据所述第一位置信息和所述第二位置信息的匹配结果，以及所述第一位置信息和所述第三位置信息的匹配结果确定所述第一位置信息的置信度，并根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息，包括：

对所述第一位置信息和所述第二位置信息进行匹配得到第一匹配结果，并对所述第一位置信息和所述第三位置信息进行匹配得到第二匹配结果；

根据所述第一匹配结果和所述第二匹配结果确定所述第一位置信息的置信度，所述第一位置信息的置信度至少包括高和低；

根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息；其中，若所述第一位置信息为高，则确定所述第一位置信息为最终车辆定位信息；若所述第一位置信息为低，则确定所述第一位置信息为无效车辆定位信息。

18.如权利要求17所述的自动驾驶车辆定位方法，其特征在于，所述对所述第一位置信息和所述第三位置信息进行匹配得到第二匹配结果具体为：

每隔一个时刻周期推算得到一个第三位置信息；

若连续若干个时刻周期推算的第三位置信息均与所述第一位置信息不匹配，则确定第二匹配结果为不匹配，其用于确定所述第一位置信息的置信度为低；

若连续若干个时刻周期推算的第三位置信息中任一个与所述第一位置信息匹配，则确定第二匹配结果为匹配，其用于确定所述第一位置信息的置信度为高。

19.如权利要求17所述的自动驾驶车辆定位方法，其特征在于，所述根据所述第一匹配结果和所述第二匹配结果确定所述第一位置信息的置信度包括：

根据所述第一匹配结果确定第一匹配结果对应的置信度，所述第一匹配结果对应的置信度至少包括高和低；

根据所述第二匹配结果确定第二匹配结果对应的置信度，所述第二匹配结果对应的置信度至少包括高和低；

根据所述第一匹配结果对应的置信度和第二匹配结果对应的置信度确定第一位置信息的置信度；其中，若所述第一匹配结果对应的置信度和所述第二匹配结果对应的置信度均为高，则确定所述第一位置信息的置信度为高；若所述第一匹配结果对应的置信度或所述第二匹配结果对应的置信度为低，则确定所述第一位置信息的置信度为低。

20.如权利要求17所述的自动驾驶车辆定位方法，其特征在于，所述根据所述第一匹配结果和所述第二匹配结果确定所述第一位置信息的置信度包括：

根据所述第一匹配结果确定第一匹配结果对应的置信度，所述第一匹配结果对应的置信度至少包括高、中和低；

根据所述第二匹配结果确定第二匹配结果对应的置信度，所述第二匹配结果对应的置信度至少包括高、中和低；

根据所述第一匹配结果对应的置信度和第二匹配结果对应的置信度确定第一位置信息的置信度；其中，若所述第一匹配结果对应的置信度和所述第二匹配结果对应的置信度均为高，则确定所述第一位置信息的置信度为高；若所述第一匹配结果对应的置信度或所述第二匹配结果对应的置信度为低，则确定所述第一位置信息的置信度为低；若所述第一匹配结果对应的置信度为中且所述第二匹配结果对应的置信度均为高，则确定所述第一位置信息的置信度为高；若所述第一匹配结果对应的置信度为高且所述第二匹配结果对应的置信度均为低，则确定所述第一位置信息的置信度为高。

21.如权利要求16所述的自动驾驶车辆定位方法，其特征在于，所述根据所述传感信息和所述高精度地图数据确定第一位置信息包括：

在所述高精度地图数据中与所述传感信息对应的第一环境数据；

根据所述第一环境数据确定所述高精度地图数据中与所述第一环境数据对应的第一定位数据；

其中，所述第一位置信息包括第一环境数据和第一定位数据。

22.如权利要求21所述的自动驾驶车辆定位方法，其特征在于，所述第一环境数据包括若干车道元素，所述根据所述第一环境数据确定所述高精度地图数据中与所述第一环境数据对应的第一定位数据包括：

确定若干车道元素与车辆的纵向距离和横向距离；

根据所述纵向距离和横向距离确定所述第一定位数据。

23.如权利要求16所述的自动驾驶车辆定位方法，其特征在于，所述根据所述绝对定位信息和所述高精度地图数据确定第二位置信息包括：

在所述高精度地图数据中与所述绝对定位信息对应的第二定位数据；

根据所述第二定位数据确定所述高精度地图数据中与所述第二定位数据对应第二环境数据；其中，所述第二位置信息包括第二环境数据和第二定位数据。

24.如权利要求16所述的自动驾驶车辆定位方法，其特征在于，所述根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息包括：

获取前一时刻车辆位置信息；

获取前一时刻和当前时刻的时间间隔；

根据所述车辆运行状态信息和所述时间间隔确定车辆的运行位移；

根据所述车辆的运行位移和前一时刻车辆位置信息确定当前时刻车辆位置信息；所述第三位置信息为当前时刻车辆位置信息。

25.如权利要求16所述的自动驾驶车辆定位方法，其特征在于，所述实时获取传感信息包括实时获取车辆的前方道路图像的特征信息，其具体包括如下步骤：

实时获取车辆的前方道路图像；

对所述前方道路图像进行图像识别并提取第一车道特征信息。

26.如权利要求24所述的自动驾驶车辆定位方法，其特征在于，所述实时获取传感信息包括实时获取若干雷达信息，其具体包括如下步骤：

实时获取雷达原始点云；

识别所述雷达原始点云得到第二车道特征信息。

27.如权利要求26所述的自动驾驶车辆定位方法，其特征在于，所述若干雷达信息包括激光雷达信息和毫米波雷达信息。

28.一种自动驾驶车辆定位系统，其特征在于，包括：

信息获取单元，用于实时获取传感信息和绝对定位信息，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

第一位置确定单元，用于接收高精度地图数据并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

第二位置确定单元，用于接收高精度地图数据并根据所述绝对定位信息和所述高精度地图数据确定第二位置信息；其中，所述第二位置信息与所述绝对定位信息对应；

车辆定位确定单元，用于根据所述第一位置信息和所述第二位置信息的匹配结果确定所述第一位置信息的置信度，并根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息。

29.如权利要求28所述的自动驾驶车辆定位系统，其特征在于，所述信息获取单元包括图像采集单元、图像处理单元、高精度绝对定位单元和雷达单元；

所述图像采集单元用于实时获取车辆的前方道路图像；

所述图像处理单元用于对所述前方道路图像进行图像识别处理并提取第一车道特征信息；

所述高精度绝对定位单元用于实时获取车辆的绝对定位信息；

所述雷达单元用于实时获取若干雷达信息。

30.如权利要求29所述的自动驾驶车辆定位系统，其特征在于，所述雷达单元包括激光雷达元件和毫米波雷达元件，所述激光雷达元件用于实时获取激光雷达信息，所述毫米波雷达元件用于实时获取毫米波雷达信息。

31.一种自动驾驶车辆定位系统，其特征在于，包括：

信息获取单元，用于实时获取传感信息和车辆运行状态信息，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

第一位置确定单元，用于接收高精度地图数据并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

航迹推算确定单元，用于根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息，所述第三位置信息为推算得到的当前时刻车辆的位置信息；

车辆定位确定单元，用于根据所述第一位置信息和所述第三位置信息的匹配结果确定所述第一位置信息的置信度，并根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息。

32.如权利要求31所述的自动驾驶车辆定位系统，其特征在于，所述信息获取单元包括图像采集单元、图像处理单元、高精度绝对定位单元和雷达单元；

所述图像采集单元用于实时获取车辆的前方道路图像；

所述图像处理单元用于对所述前方道路图像进行图像识别处理并提取第一车道特征信息；

所述高精度绝对定位单元用于实时获取车辆的绝对定位信息；

所述雷达单元用于实时获取若干雷达信息。

33.如权利要求32所述的自动驾驶车辆定位系统，其特征在于，所述雷达单元包括激光雷达元件和毫米波雷达元件，所述激光雷达元件用于实时获取激光雷达信息，所述毫米波雷达元件用于实时获取毫米波雷达信息。

34.一种自动驾驶车辆定位系统，其特征在于，包括：

信息获取单元，用于实时获取传感信息、绝对定位信息和车辆运行状态信息；其中，所述传感信息包括当前时刻车辆的前方道路图像的特征信息和若干雷达信息；

第一位置确定单元，用于接收高精度地图数据并根据所述传感信息和所述高精度地图数据确定第一位置信息；其中，所述第一位置信息与所述传感信息对应；

第二位置确定单元，用于接收高精度地图数据并根据所述绝对定位信息和所述高精度地图数据确定第二位置信息；其中，所述第二位置信息与所述绝对定位信息对应；

航迹推算单元，用于根据所述车辆运行状态信息和前一时刻车辆位置信息推算得到第三位置信息；其中，所述第三位置信息为推算得到的当前时刻车辆的位置信息；

车辆定位确定单元，根据所述第一位置信息和所述第二位置信息的匹配结果，以及所述第一位置信息和所述第三位置信息的匹配结果确定所述第一位置信息的置信度，并根据所述第一位置信息的置信度确定所述第一位置信息是否为最终车辆定位信息。

35.如权利要求34所述的自动驾驶车辆定位系统，其特征在于，所述信息获取单元包括图像采集单元、图像处理单元、高精度绝对定位单元和雷达单元；

所述图像采集单元用于实时获取车辆的前方道路图像；

所述图像处理单元用于对所述前方道路图像进行图像识别处理并提取第一车道特征信息；

所述高精度绝对定位单元用于实时获取车辆的绝对定位信息；

所述雷达单元用于实时获取若干雷达信息。

36.如权利要求35所述的自动驾驶车辆定位系统，其特征在于，所述雷达单元包括激光雷达元件和毫米波雷达元件，所述激光雷达元件用于实时获取激光雷达信息，所述毫米波雷达元件用于实时获取毫米波雷达信息。

37.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-27任一项所述的自动驾驶车辆定位方法。

38.一种车辆，其特征在于，包括如权利要求28-36任一项所述的自动驾驶车辆定位系统或如权利要求37所述的计算机设备。

39.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时完成如权利要求1-27任一项所述的自动驾驶车辆定位方法。

Images